水下鱼类目标检测方法及装置

    公开(公告)号:CN112528782A

    公开(公告)日:2021-03-19

    申请号:CN202011373485.0

    申请日:2020-11-30

    Abstract: 本发明提供一种水下鱼类目标检测方法及装置,该方法包括:获取水下相机拍摄的待检测图像和无检测目标时的背景图像;将含有目标对象的待检图像和不含有目标对象的背景图片,分别输入预设的目标识别网络模型的主干网络和辅助网络,分别提取特征并进行主干网络和辅助网络的特征相减融合,根据相减融合后特征,输出标有鱼类定位信息的图片检测结果;其中,所述目标识别网络模型,根据已知目标对象作为标签的待检图像和背景图像作为样本训练后得到。通过主干网络和辅助网络的特征相减融合,可以有效去除环境干扰,从而提高待检测目标的检测准确率。

    残余饵料的探测方法、设备、装置及可读存储介质

    公开(公告)号:CN112766040A

    公开(公告)日:2021-05-07

    申请号:CN202011545764.0

    申请日:2020-12-23

    Abstract: 本发明提供一种残余饵料的探测方法、设备、装置及可读存储介质,该方法通过对接收的视频取帧操作生成残饵图像,进行预处理后生成训练数据集和验证数据集。根据残余饵料特征对初始神经网络模型的算法网络结构进行修改,生成中间神经网络模型;设置中间神经网络模型的初始参数,将训练数据集和验证数据集输入至中间神经网络模型,对中间神经网络模型进行训练,生成目标神经网络模型;将测试图片输入至目标神经网络模型,输出残饵识别结果。本发明通过对根据残余饵料特征对初始神经网络模型的算法网络结构进行修改,使得初始神经网络模型与饵料的特征进行匹配,能够更好的排除外界环境的干扰,从而提高了残饵的识别精度。

    水下鱼类目标检测方法及装置

    公开(公告)号:CN112528782B

    公开(公告)日:2024-02-23

    申请号:CN202011373485.0

    申请日:2020-11-30

    Abstract: 准确率。本发明提供一种水下鱼类目标检测方法及装置,该方法包括:获取水下相机拍摄的待检测图像和无检测目标时的背景图像;将含有目标对象的待检图像和不含有目标对象的背景图片,分别输入预设的目标识别网络模型的主干网络和辅助网络,分别提取特征并进行主干网络和辅助网络的特征相减融合,根据相减融合后特征,输出标有鱼类定位信息的图片检测结果;其中,所述目标识别网络模型,根据已知目标对象作为标签的待检图像和背景图像作为样本训练后得到。(56)对比文件刘有用等“.不平衡数据集下的水下目标快速识别方法”《.计算机工程与应用》.2019,第1-8页.魏文钰等“.基于深度学习的行人再识别技术研究综述”《.计算机应用》.2020,第40卷(第9期),第2479-2492页.郭守向等“.Yolo-C:基于单阶段网络的X光图像违禁品检测”《.激光与光电子学进展》.2020,第1-12页.Yudong Liu等“.CBNet: A NovelComposite Backbone Network Architecturefor Object Detection”《.arxiv》.2019,第1-8页.Liu S等“.Path Aggregation Network forInstance Segmentation”《.Salt Lake City》.2018,第1-13页.Jiaqi Wang等“.CARAFE:Content-AwareReAssembly of FEatures”《.Seoul,Korea》.2019,第3007-3016页.

    残余饵料的探测方法、设备、装置及可读存储介质

    公开(公告)号:CN112766040B

    公开(公告)日:2024-02-06

    申请号:CN202011545764.0

    申请日:2020-12-23

    Abstract: 本发明提供一种残余饵料的探测方法、设备、装置及可读存储介质,该方法通过对接收的视频取帧操作生成残饵图像,进行预处理后生成训练数据集和验证数据集。根据残余饵料特征对初始神经网络模型的算法网络结构进行修改,生成中间神经网络模型;设置中间神经网络模型的初始参数,将训练数据集和验证数据集输入至中间神经网络模型,对中间神经网络模型进行训练,生成目标神经网络模型;将测试图片输入至目标神经网络模型,输出残饵识别结果。本发明通过对根据残余饵料特征对初始神经网络模型的算法网络结构进行修改,使得初始神经网络模

Patent Agency Ranking